Mar, 2024

家庭服务机器人的长期个性化交互式连续学习架构

PDF
TL;DR我们结合了持续学习、语义推理和交互式机器学习的思想，并通过人机交互开发了一种新型的交互式持续学习架构，用于在家庭环境中不断学习语义知识。我们将该架构与一个物理移动机器人集成，并在实验室环境中进行了两个月的广泛系统评估。结果表明，我们的架构能够使物理机器人能够根据用户提供的有限数据不断适应环境的变化，并利用所学知识执行物体获取任务。
robotssemantic reasoningcontinual learninginteractive machine learninghome environment
发现论文，激发创造
  • 通过人机交互进行连续学习 —— 重复互动中人类对连续学习机器人的认知

    本论文研究了如何将基于连续学习模型的目标识别系统与移动机器人 Fetch 结合起来，以便使机器人能够在与人类用户的多个交互中继续学习。通过与 60 名参与者进行的实验，作者发现，如果机器人忘记了之前学过的目标，参与者对于连续学习机器人的信任、能力和可用性的感知将会明显降低。然而，进行 2-3 次教学和测试任务的任务负荷并不随会话数的增加而增加。此外，本研究发现，目前的连续学习模型在机器人与人类参与者交互时的可靠性较低。

    May, 2023

  • 人类用户如何在不断的交互中教授连续学习机器人？

    本文研究了人类教授机器人学习的方式及学习机器人需要如何快速学习新信息，在理解每个用户的教学风格方面个性化改进。对 200 个会话进行研究，结果表明教学者的风格存在显著变异，需要进行个性化的适应。同时，在实际运用中，常规设备测试机器学习无法代替真实用户的操作方法。

    Jun, 2023

  • 知识图谱嵌入在长期人机交互中的知识获取和补充

    该研究提出了一种用于在长时间内不断学习机器人环境并增量式更新其内部知识图谱表示的架构，采用知识图谱嵌入技术对获取的信息进行泛化，通过一系列增量学习会话来评估机器人从未知上下文中学习实体和关系的能力。

    Jan, 2023

  • 自我优化的室内定位语义感知

    提出了一种新颖的机器人系统，通过持续在线学习和自我监督来适应部署环境，解决了传统机器人学习固定模型的问题。实验结果表明，在语义感知领域的持续学习和回溯有助于降低遗忘风险，提高了分割和定位精度，相比部署固定模型，平均分割提高 60％，定位精度提高 10％。

    May, 2021

  • 评估家用机器人上的持续学习

    本文提出了使用连续学习方法在低成本家用机器人上学习技能的方法，并使用 Attention-Based Interaction Policies 作为支撑，仅使用每个任务的少量示例即可完成学习。

    Jun, 2023

  • 面向对话代理的持续学习

    本文介绍了一种基于最新的神经网络连续学习技术的领域无关的神经对话模型，同时提出了一种新颖的神经连续学习算法，能够以数据 - 效率的方式跨越不同任务积累技能，在客户支持领域通过从合成对话或人类之间的对话到人 - 计算机对话的连续技能转移来验证方法的功效。

    Dec, 2017

  • 知识图谱嵌入的持续学习

    本文介绍了一种基于连续学习方法的增量知识图嵌入技术，弥补了现有嵌入技术只能处理先前已知概念的局限性，并提供了一些在知识图嵌入技术和机器人应用之间进行权衡的洞见。

    Jan, 2021

  • 机器人的持续学习：定义、框架、学习策略、机遇和挑战

    这篇论文介绍了连续学习的概念和机器学习中面临的挑战，提出了在自主体或机器人中使用连续学习以适应环境和优化学习过程的方法，并介绍了现有的基准和度量标准，并提出了一种框架来评估这些方法的有效性。

    Jun, 2019

  • 在线持续学习的交互式指导跟随代理

    本研究探讨了实体代理通过语言指令执行日常任务的学习过程，提出了两种持续学习设置（行为增量学习和环境增量学习），并使用置信度感知滑动平均方法（CAMA）更新过去任务的信息，从而在实证验证中取得比现有方法更好的效果。

    Mar, 2024

  • 自主机器人的持续学习：基于原型的方法

    未来的自主智能机器人面临着从非重复稀疏数据流中学习、检测新颖性并具备无监督学习能力的挑战。本文通过提出一种名为 Continually Learning Prototypes (CLP) 的基于原型的方法，解决了这一挑战。CLP 在 FS-OCL 学习中表现出卓越的结果，在检测新颖性和无监督学习方面达到强基线水平。

    Mar, 2024